企业官网建设流程全解析

VeighNa Trader 数据库配置与脚本读写实战：八种数据库接入、插件化架构与增删查操作

【免费下载链接】vnpy基于Python的开源量化交易平台开发框架项目地址: https://gitcode.com/vnpy/vnpy

导读

VeighNa Trader（vnpy）是一套基于 Python 的开源量化交易平台开发框架，其核心功能之一就是把行情 K 线与 Tick 数据统一持久化到数据库，供回测、实盘和策略研究复用。本文以 docs/community/info/database.md 为骨架，系统讲解 VeighNa Trader 支持的八种数据库（SQLite、MySQL、PostgreSQL、MongoDB、InfluxDB、DolphinDB、Arctic、LevelDB）的选型特点、配置字段与完整示例，并结合 vnpy/trader/database.py 的抽象基类与插件化加载机制，深入说明数据库驱动的工作原理，最后给出可直接运行的脚本读写（加载、读取、写入、删除）代码。读完本文，你将能够为 VeighNa Trader 配置任意一种支持的数据库，并熟练使用 Python 脚本对行情数据进行增删查操作。

一、数据库插件化架构：BaseDatabase 抽象基类

在深入逐库配置之前，先理解 VeighNa Trader 的数据库抽象层，这对理解后文所有配置字段非常关键。

从源码 vnpy/trader/database.py 可以看到，框架定义了一个BaseDatabase抽象基类（database.py 第 52 行起），它声明了八个抽象接口：

每种数据库的驱动都是一个独立 Python 包，命名规范为vnpy_<database.name>，内部实现一个继承BaseDatabase的Database类。核心加载逻辑在 get_database()：

1. 从全局配置SETTINGS["database.name"]读取数据库类型名称；
2. 拼出模块名f"vnpy_{database_name}"并尝试import_module动态导入；
3. 若驱动未安装（ModuleNotFoundError），则打印提示并自动回退到默认的vnpy_sqlite驱动；
4. 实例化module.Database()并返回单例。

这意味着：SQLite 是开箱即用的兜底方案，而使用其他数据库前，必须先用 pip 安装对应的驱动包（如vnpy_mysql、vnpy_mongodb），否则框架会静默回退到 SQLite。这一机制正是后文所有database.name字段的意义所在。

全局配置项定义于 vnpy/trader/setting.py，其中数据库相关默认值为：

"database.timezone": get_localzone_name(), # 数据库存储时区，默认取本机时区 "database.name": "sqlite", # 默认数据库类型 "database.database": "database.db", # 默认数据库名/文件名 "database.host": "", # 服务器地址 "database.port": 0, # 端口 "database.user": "", # 用户名 "database.password": "" # 密码

这些默认值会与用户主目录下.vntrader/vt_setting.json（SETTING_FILENAME，见 setting.py 第 42 行）中的用户配置合并覆盖。另外注意，MainEngine 初始化时会切换工作目录到 TRADER_DIR，而TRADER_DIR即用户主目录下的.vntrader文件夹（见 vnpy/trader/utility.py 第 60 行）——这正是 SQLite 数据库文件默认存放的位置。

二、SQL 类数据库

VeighNa Trader 支持三种 SQL 关系型数据库：SQLite（默认）、MySQL、PostgreSQL。

2.1 SQLite（默认数据库）

SQLite 是一个轻量的嵌入式数据库，无需安装和配置数据服务程序，是 VeighNa 的默认数据库，特别适合入门新手用户。其特点如下：

• 存储在一个单一的跨平台磁盘文件上；
• 不需要在系统中配置、安装和管理；
• 不需要一个单独的服务器进程。

SQLite 配置字段：

SQLite 配置示例：

从源码看，SETTINGS中database.name与database.database的默认值恰好就是"sqlite"与"database.db"（setting.py 第 32-33 行），因此理论上 SQLite 甚至可以不填任何配置直接运行。数据库文件database.db会生成在用户主目录的.vntrader目录下（即TRADER_DIR，见 vnpy/trader/utility.py 第 60 行）。

2.2 MySQL

MySQL 是目前主流的开源关系型数据库，其特点如下：

• 文档材料丰富，社区及用户活跃；
• 支持多种操作系统、多种开发语言；
• 可替换其他高性能 NewSQL 数据库兼容实现（如 TiDB）。

MySQL 配置字段：

MySQL 配置示例：

注意 MySQL 的 user 与 password 标注为可选——未填写时驱动会使用默认账号，但实际生产环境中强烈建议显式填写。使用 MySQL 前需先安装驱动包vnpy_mysql，否则 get_database() 会因导入vnpy_mysql失败而回退到 SQLite。

2.3 PostgreSQL

PostgreSQL 是特性更为丰富的开源关系型数据库，只推荐熟手使用。相比于 MySQL，其特点如下：

• 采用多进程结构；
• 支持通过扩展插件来新增功能。

PostgreSQL 配置字段：

PostgreSQL 配置示例：

2.4 关系型数据库的建库前提

请注意，VeighNa 不会主动为关系型数据库创建数据库，所以请确保所填写的database.database字段对应的数据库已经创建好了。若未创建数据库，请手动连接数据库并运行该命令：

create database <填写的database.database>;

例如配置中填写的是vnpy，则执行create database vnpy;。

三、非 SQL 类数据库

除 SQL 数据库外，VeighNa Trader 还支持五种非 SQL 数据库，覆盖文档型、时序型与高性能 Key/Value 存储。

3.1 MongoDB

MongoDB 是一个基于分布式文件存储（bson 格式）的非关系型数据库，其特点如下：

• 面向文档存储，操作比较简单；
• 支持丰富的存储类型和数据操作；
• 内置的热数据内存缓存实现更快的读写速度。

MongoDB 配置字段：

MongoDB 带认证配置示例：

其中authentication_source表示创建该用户时所用的认证数据库（即用户认证数据库），只有开启认证时才需要填写。注意，SETTINGS默认字典中并未预置authentication_source字段（见 setting.py 第 11-38 行），需要在vt_setting.json中自行补充，驱动包会读取它完成认证。

3.2 InfluxDB

InfluxDB 是专门针对时间序列数据存储设计的非关系型数据库，其特点如下：

• 列式数据存储提供极高的读写效率；
• 采用独立服务进程的模式运行，也能支持多进程的并发访问需求。

在安装时需要选择2.0 版本的 InfluxDB。

请注意，运行influxd.exe的 cmd 窗口需要保持运行，如果关闭则会导致 InfluxDB 退出；也可以使用一些辅助工具将其注册为后台运行的 Windows 服务。

InfluxDB 配置字段：

InfluxDB 配置示例：

3.3 DolphinDB

DolphinDB 是浙江智臾科技有限公司研发的一款高性能分布式时序数据库，特别适用于对速度要求极高的低延时或实时性任务，其特点如下：

• 列式分析型（OLAP）数据库，采用混合引擎（基于内存和硬盘），充分利用缓存来加速；
• 原生分区表存储，合理的分区方案可以让 CPU 多线程并行加载每个分区内的数据；
• 支持高效的数据压缩，显著减小硬盘存储空间的同时，还能大幅降低 IO 通讯的开销。

尽管 DolphinDB 是商业软件，但也提供了免费的社区版，安装时需选择2.0 Beta版本。

请注意：

• 运行dolphindb.exe的 cmd 窗口需要保持运行，如果关闭则会导致 DolphinDB 退出，也可以使用辅助工具将其注册为后台运行的 Windows 服务；
• 因为 DolphinDB 目前不支持 Python 3.10，所以VeighNa Studio 3.0.0 没有提供 DolphinDB 支持。

DolphinDB 配置字段：

DolphinDB 配置示例：

3.4 Arctic

Arctic 是由英国量化对冲基金 Man AHL 基于 MongoDB 开发的高性能金融时序数据库，其特点如下：

• 支持直接存储 pandas 的 DataFrame 和 numpy 的 ndarray 对象；
• 允许对数据进行版本化管理（类似于数据库中的 git），便于因子挖掘过程中的数据迭代管理；
• 基于分块化存储和 LZ4 压缩，在网络和磁盘 IO 方面节省大量资源，实现超高性能的数据查询。

请注意，因为 Arctic 目前不支持 Python 3.10，所以VeighNa Studio 3.0.0 没有提供 Arctic 支持。

Arctic 配置字段：

Arctic 配置示例：

由于 Arctic 基于 MongoDB，database.database在此处实际对应 MongoDB 中的库名。

3.5 LevelDB

LevelDB 是由 Google 推出的高性能 Key/Value 数据库，其特点如下：

• 定位为通用型数据存储方案；
• 基于 LSM 算法实现进程内存储引擎；
• 支持数十亿级别的海量数据。

请注意，因为 LevelDB 目前不支持 Python 3.10，所以VeighNa Studio 3.0.0 没有提供 LevelDB 支持。

LevelDB 配置字段：

LevelDB 配置示例：

四、数据库配置实战：以 MySQL 为例

本节以 MySQL 为例，完整演示从零安装数据库到 VeighNa Trader 配置启用的全过程。请确保先通过 pip 安装vnpy_mysql驱动包，并确认 MySQL 服务已正常运行。

第一步：安装 MySQL 服务器

在 MySQL 官网下载 Windows 版本安装包【MySQL Installer for Windows】，下载完成后得到 msi 格式的安装包，双击打开后选择【Full】模式安装 MySQL，一路点击【Next】按钮即可完成安装。

安装过程中会自动从网站下载相关组件，先点击【Execute】按钮来补全，再点击【Next】按钮。

安装过程中会要求输入 3 次密码，请务必使用复杂安全的密码（下文演示中以1001为例，仅用于演示）。安装完毕后会自动打开 MySQL 的图形管理工具 MySQL WorkBench。

第二步：创建数据库

在 MySQL WorkBench 中，点击菜单栏【Database】→【Connect to Database】，在弹出的对话框中直接选择默认数据库 Local Instance MySQL，然后点击【OK】按钮连接 MySQL 数据库服务器。

在自动打开的数据库管理界面中，点击菜单栏中的新建数据库按钮，在【Name】中输入vnpy，然后点击下方的【Apply】按钮确认。在弹出的数据库脚本执行确认对话框中，同样点击【Apply】，即可完成数据库创建。

这一步对应前文 2.4 节的建库前提：VeighNa 不会自动建库，create database vnpy;就是上述图形化操作的等价 SQL。

第三步：在 VeighNa Trader 中填写数据库配置

随后启动 VeighNa Trader，点击菜单栏的【配置】，设置数据库相关字段：

• name要改成mysql（请注意大小写）；
• database改成vnpy；
• host为本地 IP，即localhost或者127.0.0.1；
• port为 MySQL 的默认端口3306；
• user用户名为root；
• password密码则是之前设置的1001。

database.name: mysql database.database: vnpy database.host: localhost database.port: 3306 database.user: root database.password: 1001

保存完成配置修改后，重启 VeighNa Trader来启用新的数据库配置。重启后，在打开 VeighNa Trader 的过程中若无报错提示，则说明 MySQL 数据库配置成功。

从源码角度可以印证这一过程：图形界面的【配置】最终写入的正是用户主目录.vntrader/vt_setting.json，而SETTINGS启动时通过 load_json 读取该文件并与默认值合并（setting.py 第 42-43 行）；随后首次调用 get_database() 时，根据database.name = "mysql"动态导入vnpy_mysql驱动完成连接。若该驱动未安装，控制台会打印“找不到数据库驱动 vnpy_mysql，使用默认的 SQLite 数据库”的提示——这也是配置 MySQL 后最常见的失败原因。

五、脚本使用：行情数据的读写与删除

配置好数据库之后，就可以脱离图形界面，通过 Python 脚本直接操作数据库。脚本使用前，请先按照上文配置好使用的数据库，使用时调用相应的函数接口。

5.1 加载所需的包和数据结构

from datetime import datetime from typing import List from vnpy.trader.constant import Exchange, Interval from vnpy.trader.database import get_database from vnpy.trader.object import BarData, TickData # 获取数据库实例 database = get_database()

get_database()返回的实例即前文所述的BaseDatabase具体实现（SQLite/MySQL/MongoDB 等），后续所有读写操作都通过它完成。

5.2 配置所需合约的具体参数数据

# 合约代码，888为米筐的连续合约，仅用于示范，具体合约代码请根据需求自行更改 symbol = "cu888" # 交易所，目标合约的交易所 exchange = Exchange.SHFE # 历史数据开始时间，精确到日 start = datetime(2019, 1, 1) # 历史数据结束时间，精确到日 end = datetime(2021, 1, 20) # 数据的时间粒度，这里示例采用日级别 interval = Interval.DAILY

其中Exchange枚举定义了 CFFEX、SHFE、CZCE、DCE、INE、GFEX、SSE、SZSE 以及 CME、NYMEX、LME 等全球主流交易所（见 vnpy/trader/constant.py 第 81-137 行）；Interval枚举支持MINUTE("1m")、HOUR("1h")、DAILY("d")、WEEKLY("w")、TICK("tick")五种粒度（见 constant.py 第 150-158 行），可按需替换。

5.3 数据库的读取操作

如数据库指定时间段没有数据，返回空列表：

# 读取数据库中k线数据 bar1 = database.load_bar_data( symbol=symbol, exchange=exchange, interval=interval, start=start, end=end ) # 读取数据库中tick数据 tick1 = database.load_tick_data( symbol=symbol, exchange=exchange, start=start, end=end )

读取结果分别是list[BarData]与list[TickData]。从数据结构源码看，BarData包含symbol、exchange、datetime、interval、volume、turnover、open_interest、open/high/low/close_price等字段，并在初始化时自动生成vt_symbol（格式为symbol.exchange，见 vnpy/trader/object.py 第 88-108 行）；TickData则额外包含五档买卖盘口、涨跌停价等字段（object.py 第 30-84 行）。这些字段即是数据库表中实际存储的列。

5.4 数据库的写入操作

请注意，示例中的bar_data和tick_data均未在示例中展现获取和转换方法。如需以脚本方式写入，请自行参考源码或其他途径，转换成示例中的数据结构（即List[BarData]/List[TickData]）。

# 需要存入的k线数据，请自行获取并转换成所需的形式 bar_data: List[BarData] = None database.save_bar_data(bar_data) # 需要存入的tick数据，请自行获取并转换成所需的形式 tick_data: List[TickData] = None # 将tick数据存入数据库 database.save_tick_data(tick_data)

save_bar_data与save_tick_data都支持stream参数（默认False），用于控制是否以流式方式写入（见 database.py 第 57-69 行）。写入前请确保每个数据对象的symbol、exchange、datetime等关键字段均已正确赋值，因为它们是数据库表的主键索引依据。

5.5 数据库的删除操作

删除操作无法恢复，请谨慎操作：

# 删除数据库中k线数据 database.delete_bar_data( symbol=symbol, exchange=exchange, interval=interval ) # 删除数据库中tick数据 database.delete_tick_data( symbol=symbol, exchange=exchange )

删除接口按“合约 + 交易所（+ 周期）”定位整段数据：delete_bar_data会删除指定合约在该周期下的全部 K 线；delete_tick_data会删除指定合约的全部 Tick。接口返回被删除的记录数（见 database.py 第 98-119 行）。

六、进阶说明与时区处理

6.1 数据概览查询

BaseDatabase还提供了get_bar_overview()与get_tick_overview()两个概览接口，返回库中各合约的数据统计（symbol、exchange、interval、count、start、end，见 database.py 第 25-49 行），可用于检查数据下载是否完整、统计数据规模，也是 VeighNa Trader 内置数据管理器中展示数据概览的底层实现。

6.2 时区约定

在 vnpy/trader/database.py 第 14-22 行 中，框架定义了数据库统一时区：

DB_TZ = ZoneInfo(SETTINGS["database.timezone"]) def convert_tz(dt: datetime) -> datetime: """将任意时区的 datetime 转换为数据库时区并去掉 tzinfo""" dt = dt.astimezone(DB_TZ) return dt.replace(tzinfo=None)

database.timezone默认取本机时区（get_localzone_name()，见 setting.py 第 31 行）。这意味着：写入数据库的行情时间统一按database.timezone存储，且不带时区信息。国内用户默认即东八区，无需额外处理；若在跨时区服务器上运行，建议显式配置该字段，避免读取历史数据时出现时间错位。

6.3 常见问题速查

• 配置了 MySQL/MongoDB 但数据仍写入 SQLite：vnpy_<name>驱动包未安装，查看启动日志中“找不到数据库驱动……”的提示，用 pip 安装对应驱动后重启；
• 连接数据库报错“Unknown database”：未执行建库操作，按 2.4 节手动create database；
• InfluxDB / DolphinDB 服务掉线：influxd.exe/dolphindb.exe所在的 cmd 窗口被关闭，保持窗口运行或注册为 Windows 服务；
• VeighNa Studio 3.0.0 缺少 DolphinDB、Arctic、LevelDB 选项：这三个数据库暂不支持 Python 3.10，需等待驱动更新或使用其他 Python 版本环境。

七、总结

VeighNa Trader 通过BaseDatabase抽象基类与vnpy_<name>命名约定的插件化机制，将八种数据库统一收敛为一套读写接口，用户只需在配置中修改database.*字段并安装对应驱动即可无缝切换存储后端。默认的 SQLite 开箱即用，适合入门；MySQL/PostgreSQL 适合需要稳定服务与多端访问的场景；MongoDB、InfluxDB、DolphinDB、Arctic、LevelDB 则分别在文档存储、时序查询、高性能分析、因子迭代与海量 Key/Value 场景各有所长。结合本文提供的脚本读写示例与 vnpy/trader/database.py 源码，你可以快速为回测、实盘与研究工作流搭建可靠的数据基础设施。

【免费下载链接】vnpy基于Python的开源量化交易平台开发框架项目地址: https://gitcode.com/vnpy/vnpy